RandomForestClassifier错误:必须与输入匹配的功能数量

Question

相对来说，我刚开始学习，并且一直在尝试使用以下代码：

from sklearn.ensemble import RandomForestClassifier
from numpy import genfromtxt, savetxt

def main():
    #create the training & test sets, skipping the header row with [1:]
    dataset = genfromtxt(open('mypath\data1.csv','r'), delimiter=',', dtype='f8')[1:]    
    target = [x[0] for x in dataset]
    train = [x[1:] for x in dataset]
    test = genfromtxt(open('mypath\data1.csv','r'), delimiter=',', dtype='f8')[1:]

    #create and train the random forest
    #multi-core CPUs can use: rf = RandomForestClassifier(n_estimators=100, n_jobs=2)
    rf = RandomForestClassifier(n_estimators=100)
    rf.fit(train, target)

    savetxt(myoutput\data1_output.csv', rf.predict(test), delimiter=',', fmt='%f')

if __name__=="__main__":
    main()

此代码在包含三列的.csv文件上运行随机林分类器，其中第一列包含标签，而其他两列包含功能。在运行此程序时，我会得到以下错误：

ValueError: Number of features of the model must  match the input. Model n_features is 2 and  input n_features is 3

我最初的假设是，有一个名为n_features的组件，我需要根据我的用例进行调整。然而，它似乎比这更复杂。有谁能解释我是否以及如何获得我上面描述的类型的.csv来成功地运行这段代码？

我确实看到了这个职位，这表明问题在于代码包含了我的标签作为一个特性。然而，我并不真正理解这个问题的解决方案是如何解决这个问题的，因此非常希望得到更多的解释。

Answer 1

csv文件的形状是(n_examples, 3)。调用时，将此数组拆分为两个包含响应变量和输入变量的列表：

target = [x[0] for x in dataset]
train = [x[1:] for x in dataset]

因此，target是形状(n_examples, 1)，train是形状(n_examples, 2)。接下来，您将读取同一个csv文件进行测试(我不知道为什么要使用培训数据进行测试，也不知道为什么此时需要再次读取该文件)。无论如何，这意味着test是shape (n_examples, 3)。

预测使用通过调用fit学习的模型参数获取输入并生成响应。因此，predict希望接收形状(2,)的输入变量列表或形状(n_examples, 2)数组。你应该看看错配现在发生在哪里。

若要修复，请打电话给rf.predict(test[1:, 1:])。该切片从第1行起获取所有内容，从第1列起跳过第一行，假设第一行包含标题信息(您应该检查标题是否确实已读取)，并跳过每一行的第一列以跳过每个示例的响应变量。

当然，由于测试是从与培训数据相同的文件中读取的，这等同于rf.predict(train)。